Kluczowe dania na wynos
- Naukowcy opisali metodę wykorzystującą sztuczną inteligencję do znajdowania nowych związków ziem rzadkich.
- Związki ziem rzadkich znajdują się w wielu zaawansowanych technologicznie produktach, takich jak telefony komórkowe, zegarki i tablety.
- AI może być stosowana w wielu dziedzinach, w których problemy są tak złożone, że naukowcy nie mogą opracować konwencjonalnych rozwiązań za pomocą matematyki lub symulacji znanej fizyki.
Nowa metoda wyszukiwania związków ziem rzadkich przy użyciu sztucznej inteligencji może doprowadzić do odkryć, które zrewolucjonizują elektronikę osobistą, twierdzą eksperci.
Naukowcy z Ames Laboratory i Texas A&M University opracowali model uczenia maszynowego (ML), aby ocenić stabilność związków ziem rzadkich. Pierwiastki ziem rzadkich mają wiele zastosowań, w tym technologie czystej energii, magazynowanie energii i magnesy trwałe.
„Nowe związki mogą umożliwić zastosowanie przyszłych technologii, których nawet nie potrafimy jeszcze pojąć” – powiedział Lifewire Yaroslav Mudryk, kierownik projektu w wywiadzie e-mailowym.
Znajdywanie minerałów
Aby usprawnić wyszukiwanie nowych związków, naukowcy wykorzystali uczenie maszynowe, formę sztucznej inteligencji (AI) napędzanej przez algorytmy komputerowe, które poprawiają się dzięki wykorzystaniu danych i doświadczeniu. Badacze zastosowali również wysokoprzepustowe badania przesiewowe, schemat obliczeniowy, który umożliwia naukowcom szybkie testowanie setek modeli. Ich praca została opisana w niedawnym artykule opublikowanym w Acta Materialia.
Przed sztuczną inteligencją odkrycie nowych materiałów opierało się głównie na próbach i błędach, powiedział Prashant Singh, jeden z członków zespołu, w e-mailu do Lifewire. Sztuczna inteligencja i uczenie maszynowe pozwalają naukowcom korzystać z baz danych materiałów i technik obliczeniowych do mapowania stabilności chemicznej i właściwości fizycznych nowych i istniejących związków.
"Na przykład przeniesienie nowo odkrytego materiału z laboratorium na rynek może zająć 20-30 lat, ale AI/ML może znacznie przyspieszyć ten proces, symulując właściwości materiału na komputerach przed wejściem do laboratorium", Singh powiedział.
AI rewolucjonizuje sposób, w jaki myślimy o rozwiązywaniu wielu z tych wielowymiarowych złożonych problemów i otwiera nowy sposób myślenia o przyszłych możliwościach.
AI bije na głowę starsze metody wyszukiwania nowych związków, powiedział w wywiadzie e-mailowym Joshua M. Pearce, kierownik Katedry Technologii Informacyjnych i Innowacji im. Johna M. Thompsona na Western University.
„Liczba potencjalnych związków, kombinacji, kompozytów i nowych materiałów jest oszałamiająca” – dodał. „Zamiast poświęcać czas i pieniądze na wykonanie i sprawdzenie każdego z nich pod kątem konkretnego zastosowania, sztuczną inteligencję można wykorzystać do przewidywania materiałów o przydatnych właściwościach. Wtedy naukowcy mogą skoncentrować swoje wysiłki."
Markus J. Buehler, McAfee Professor of Engineering na MIT, powiedział w e-mailowym wywiadzie, że nowy artykuł pokazuje moc wykorzystania uczenia maszynowego.
„To radykalnie odmienny sposób dokonywania takich odkryć niż to, co byliśmy w stanie dokonać wcześniej – odkrycia są teraz szybsze, wydajniejsze i mogą być bardziej ukierunkowane na aplikacje” – powiedział Buehler. „Ekscytujące w pracy Singha i innych jest to, że łączą oni najnowocześniejsze narzędzia materiałowe (Teoria Funkcjonalności Gęstości, sposób rozwiązywania problemów kwantowych) z narzędziami informatyki materiałowej. Jest to zdecydowanie sposób, który można zastosować w wielu innych projektach materiałów problemy."
Niekończące się możliwości
Związki ziem rzadkich znajdują się w wielu zaawansowanych technologicznie produktach, takich jak telefony komórkowe, zegarki i tablety. Na przykład w wyświetlaczach związki te dodaje się, aby nadać materiałom wysoce ukierunkowane właściwości optyczne. Są również używane w aparacie telefonu komórkowego.
„Są w pewien sposób cudownym materiałem, który służy jako ważny element we współczesnej cywilizacji” – powiedział Buehler. „Są jednak wyzwania związane z tym, jak są wydobywane i dostarczane. Dlatego musimy zbadać lepsze sposoby ich bardziej efektywnego wykorzystania lub zastąpienia funkcji nowymi kombinacjami alternatywnych materiałów”.
Nie tylko związki mineralne mogą skorzystać na metodzie uczenia maszynowego stosowanej przez autorów nowego artykułu. Sztuczną inteligencję można zastosować w wielu obszarach, w których problemy są tak złożone, że naukowcy nie mogą opracować konwencjonalnych rozwiązań za pomocą matematyki lub symulacji znanej fizyki, powiedział Buehler.
„W końcu nie mamy jeszcze odpowiednich modeli, aby powiązać strukturę materiału z jego właściwościami” – dodał. „Jednym z obszarów jest biologia, a konkretnie fałdowanie białek. Dlaczego niektóre białka, po niewielkiej zmianie genetycznej, prowadzą do choroby? Jak możemy opracować nowe związki chemiczne do leczenia chorób lub opracować nowe leki?”
Inną możliwością jest znalezienie sposobu na poprawę właściwości betonu w celu zmniejszenia jego wpływu na węgiel, powiedział Buehler. Na przykład geometrię molekularną materiału można ułożyć w inny sposób, aby materiały były bardziej efektywne, abyśmy mieli większą wytrzymałość przy mniejszym zużyciu materiału i aby materiały służyły dłużej.
„AI rewolucjonizuje sposób, w jaki myślimy o rozwiązywaniu wielu z tych wielowymiarowych złożonych problemów i otwiera nowy sposób myślenia o przyszłych możliwościach” – dodał. "Jesteśmy dopiero na początku ekscytującego czasu."
